← К списку статей

Речевая аналитика в бизнесе: примеры использования.

Время чтения ~8 минут
25.04.2023
3783
Novofon

В этой статье

Речевая аналитика представляет собой, грубо говоря, платформу для реализации множества полезных систем для вашего бизнеса.

Но для этого необходимо составить собственное мнение о возможностях речевой аналитики. Мы поможем вам в этом, предложив несколько практических кейсов, в которых эта система используется.

Кейс №1. Настройка системы премирования и грейдов в колл-центре.

Исходные данные.

Колл-центр, в котором работает 50 операторов. Но уровень профессиональных навыков неоднороден. Как минимум кто-то работает давно, а кто-то только устроился. Необходимо разработать систему, благодаря которой всех операторов можно будет разделить на несколько уровней навыков (грейдов) и выстроить вокруг нее систему мотивации и премирования.

Проблемы и сложности.

При первом приближении появилась идея о ручной оценке навыков операторов. То есть путем прослушивания всех звонков и выставления оценок.

Рассчитав такой вариант, пришли к выводу о нецелесообразности такого решения. Это потребует создания отдела контроля качества (и, соответственно, добавления новых штатных единиц). Другая проблема связана с человеческим фактором работы. Какие-то звонки могут не попасть в статистику, сама оценка не будет полностью объективной, как раз по причине оценки человеком.

В общем, множество проблем, решение которых приводит лишь к дополнительным сложностям.

Поэтому сразу стало понятно, что тут нужен другой подход.

Решение.

Как мы видим из предыдущего пункта – весь процесс нужно как-то автоматизировать. Тогда большинство проблем будет решено. Для этого нужно правильно настроить систему речевой аналитики.

Во-первых, нужно включить распознавание звонков для всех операторов. Таким образом, вся речь будет автоматически сформирована в текст, который будет использоваться в дальнейшей работе.

Во-вторых, нужно определиться с показателями, которые будут оказывать непосредственное влияние на грейд сотрудников. Это могут быть как какие-то технические параметры (процент молчания в разговоре, количество перебиваний), так и какие-либо ключевые слова или фразы.

В-третьих, необходимо указать все эти параметры в системе отчетов, чтобы они автоматически отправлялись руководству (или ответственному лицу). Какая информация будет в нем?

А в нем будут содержаться сведения об операторах, их звонках и оценка качества по пятибальной шкале. Она будет складываться на основании параметров, которые вы указывали ранее.

Кроме того, можно настроить автоматическую отметку звонков, содержащих определенные фразы.

И в итоге на основании всей этой системы можно выстраивать систему премирования и грейдов. Например, на основе среднего балла и отсутствии слов-паразитов можно присваивать один уровень навыков. При прочих равных и более высокой оценке – повышать грейд оператора.

Результат.

Полностью автоматическая система мотивации для колл-центра, максимально объективно и справедливо оценивающая уровень конкретного оператора.

Кейс №2. Определение наиболее эффективного способа продаж для небольшой молодой компании.

Исходные данные.

На рынке появилась новая компания, которая занимается реализацией товаров. В штате всего пять менеджеров и каждый обладает своим опытом в сфере телефонных продаж.

Первое руководство не ставило никаких ограничений и формальных требований. Каждый оператор действовал так, как считал нужным.

Это было необходимо для того, чтобы определить наиболее эффективный способ продаж и впоследствии разработать скрипты.

Проблемы и сложности.

Как и в первом кейсе, был вариант ручного анализа всех сделок, но для малого бизнеса это просто неподъемная задача.

Соответственно, итоговая миссия была сформулирована следующим образом: провести анализ при минимальных финансовых и временных затратах. И здесь речевая аналитика тоже оказалась кстати.

Решение.

Аналогично предыдущему кейсу, все начинается с настройки системы распознавания речи. Это необходимо для перевода всех записей разговоров в текст. Затем настроили словари, чтобы разделить все вызовы на категории. Для этого определили слова-маркеры, которые соответствуют звонкам с успешным исходом, со срывом и с дополнительными продажами.

Таким образом у руководства на руках оказались расшифровки звонков уже разбитые по нужным категориям. Осталось их внимательно изучить, после чего внедрить в работу лучшие методики.

Результат.

После всех действий в работу была внедрена эффективная схема телефонных продаж. Более того, уже проверенная на практике.

Кейс №3. Разделяем общий колл-центр на несколько специализированных групп.

Исходные данные.

Как известно, все менеджеры разные личности и подход к работе у них тоже разный. Это особенно заметно при продаже нескольких товаров. Кому-то удается лучше продавать одно, кому-то другое. И эту ситуацию можно обратить в свою пользу (точнее, в пользу бизнесу).

В рассматриваемой в рамках кейса компании достаточно большой отдел продаж. В нем одновременно работает более 50 операторов. Но руководство оказалось недовольно средней эффективностью и приняло решение разделить менеджеров на группы. Каждая из них должна будет заниматься своим конкретным товаром.

Проблемы и сложности.

Для начала необходимо придумать каким образом определить эффективность работы каждого отдельного менеджера с каждым отдельным товаром. Потом еще нужно сравнить показатели, разделить операторов по группам и настроить маршрутизацию обращений.

Решение.

Для начала в речевой аналитике настроили отдельные словари для каждого направления продажи. В отчете формировалась информация вида: оператор → количество звонков по первой категории товаров → количество звонков по второй категории и так далее.

Затем выбрали месячный период, выгрузили с CRM данные по успешным продажам каждого товара для каждого сотрудника и сравнили с общим числом контактов по этому вопросу с клиентами. Получили значение коэффициента успешности.

Затем внесли все данные в одну таблицу для наглядного сравнения и разделили всех операторов по группам в соответствии с показателями.

Следующим шагом стала настройка маршрутизации звонков по этим группам для клиентов. Для этого использовали IVR (интерактивное голосовое меню) в виртуальной АТС.

При обращении в колл-центр клиент будет слышать голос автоинформатора, который предложит выбрать направление обращения. После этого звонок будет отправлен назначенным сотрудникам.

Результат.

В итоге конверсии выросли, а общее число продаж увеличилось. Операторам стало комфортнее работать с тем направлением, с которым у них это получается.


И это лишь некоторые примеры использования речевой аналитики. За кадром осталась, например, возможность создания полноценного суфлера, с помощью которого можно как обучать новых сотрудников, так и помогать в решении сложных вопросов.

Вообще функционал позволяет использовать аналитику в любой сфере бизнеса, причем вне зависимости от масштаба. Все зависит от ваших целей и желаний.

Подробная инструкция по настройке этой системы от компании Новофон находится здесь.

Читайте также